python学习

• math 模块

• 精确除 ：’/’ ：3/2=1.5

• 地板除：’//’ : 3//2=1

• 取模操作：’%’:4%2=1

• math.modf(-1.24)

  ==> (-02.4, -1)

• math.modf(1.56)

  ==>(0.56,1.0)

• math.modf

• 商和余数

• 度分秒转换为十进制度

• dem =[1,2,3]

• deg=dms[0]+dms[1]/60.0+dms[2]/3600.0

• deg

• 1.034166666667

• 度分秒 ==> 十进制度

• 抽象为函数

  def  dms2deg(dms):
      deg=dms[0]+dms[1]/60.0+dms[2]/3600.0
      return deg
  dms2deg(dms)

• 十进制度转换为度分秒

• a=np.array([1,1,1])b=np.array([2,2,2])c=np.vstack((a,b))#上下合并

• np.newaxis,: 在行增加一个维度

• :,np.newaxis 在列增加一个维度

• np.hstack() #纵向合并

• np.concatenate() 上下 左右合并 axis 在那个维度 进行合并

• np.split()

• a[1] [1]第一行第一列

• a[2,1] 第二行第一列

• a[:,1]第一列所有数

• for row in A.T:

• a.flat 变相迭代

• np.sin() np.cos()

• np.tan() np.cot()

• a=np.array([1,1]
             [4,5])b=np.arange(4).reshape(2,2)c=np.dot(a,b) #矩阵的乘法

• np.random.random(2,4) 随机生成2行4列的随机数据

• np.max() 最大值

• np.min() 最小值

• np.sum() 求和

• np.sum(a,axis=0)行中求和 axis =1在每一列进行求和

• np.argmin() 最小值的索引

• np.argmax()最大值的索引

• np.mean() np.average() 平均值的计算

• np.median() 中位数的求解

• np.cumsum() 累加求和 逐步加

• np.nozero() 非零的数

• np.sort() 排序

• np.transpose() 矩阵的反向

• np.clip() 截取

• numpy.array([1,2,3]

  ​ [3,4,5]) #将列表转换为矩阵

  ​

• array.ndim 维度 2

• array.shape 形状 （2，3）

• array.size 大小 6

• import numpy  as np
  a=np.array([1,3]
             [3,4],dtype=np.int64)print(a)

• a=np.ones((2,3)) 生成 2行3列都为1的矩阵

• a=np.zero((3,4),dtpye=np.int32)生成3行4列都为0的矩阵

• a=np.empty((3,4))生成3行4列都为接近0的矩阵

• a=np.arange(10,20)生成排序从10到20的矩阵

• a=np.arange(12).reshape(3,4)生成0-20的数据为3行4列

• a=np.arange(4)b=np.array([3,4,5,6])print(a,b)c=b-aprint(c)

• deg=1.03416666666667sec=deg*3600.0sec_part=sec.modf(sec)sec_dec=sec_part[0]sec_int=sec_part[1]s=sec_int%60mins=sec_int//60m=mins %60d=mins//60

• 函数化

  def deg2dms(deg):#deg=1.03416666666667
  	sec=deg*3600.0
  	sec_part=sec.modf(sec)
  	sec_dec=sec_part[0]
  	sec_int=sec_part[1]
  
  
  	s=sec_int%60
  	mins=sec_int//60
  	m=mins %60
  	d=mins//60  
      return dms

• 度==> 度分秒

• numpy

• 三角函数

• numpy 的索引

• numpy的合并